如何在python中的多处理目标函数中对全局数据帧执行?
我有以下代码。我想使用python多进程对全局数据帧df使用calculate\u mi函数计算所有对的值如何在python中的多处理目标函数中对全局数据帧执行?,python,multiprocessing,python-multiprocessing,multiprocess,Python,Multiprocessing,Python Multiprocessing,Multiprocess,我有以下代码。我想使用python多进程对全局数据帧df使用calculate\u mi函数计算所有对的值 from multiprocess import Pool def calculate_mi(pair): global df from pyitlib import discrete_random_variable as drv import numpy as np i, j = pair val = ( 2*drv.information_mutual(df[i]
from multiprocess import Pool
def calculate_mi(pair):
global df
from pyitlib import discrete_random_variable as drv
import numpy as np
i, j = pair
val = ( 2*drv.information_mutual(df[i].values.astype(np.int32), df[j].values.astype(np.int32)) ) / ( drv.entropy(df[i].values.astype(np.int32)) + drv.entropy(df[j].values.astype(np.int32)) )
return (i,j), val
def calculate_value(t_df):
global df
df = t_df
all_pair = [('1', '2'), ('1', '3'), ('2', '1'), ('2', '3'), ('3', '1'), ('3', '2')]
pool = Pool()
pair_value_list = pool.map(calculate_mi, all_pair)
pool.close()
print(pair_value_list)
def calc():
data = {'1':[1, 0, 1, 1],
'2':[0, 1, 1, 0],
'3':[1, 1, 0, 1],
'0':[0, 1, 0, 1] }
t_df = pd.DataFrame(data)
calculate_value(t_df)
if __name__ == '__main__':
calc()
这段代码为我提供了google colab平台中的预期输出。但是当我在本地机器上运行它时,它会出现以下错误。(我使用的是Windows10、anaconda、jupyter笔记本、python 3.6.9)。我如何解决这个问题,或者是否有其他方法?
首先,有几件事:
来自多进程导入池
(而不是来自多进程
)pandas
库fork
调用完成的,因此子进程不会自动继承全局变量,如df
。因此,您必须初始化每个子进程,以便在创建池时使用初始化器正确初始化全局变量df
:
from multiprocessing import Pool
import pandas as pd
def calculate_mi(pair):
global df
from pyitlib import discrete_random_variable as drv
import numpy as np
i, j = pair
val = ( 2*drv.information_mutual(df[i].values.astype(np.int32), df[j].values.astype(np.int32)) ) / ( drv.entropy(df[i].values.astype(np.int32)) + drv.entropy(df[j].values.astype(np.int32)) )
return (i,j), val
# initialize global variable df for each sub-process
def initpool(t_df):
global df
df = t_df
def calculate_value(t_df):
all_pair = [('1', '2'), ('1', '3'), ('2', '1'), ('2', '3'), ('3', '1'), ('3', '2')]
# make sure each sub-process has global variable df properly initialized:
pool = Pool(initializer=initpool, initargs=(t_df,))
pair_value_list = pool.map(calculate_mi, all_pair)
pool.close()
print(pair_value_list)
def calc():
data = {'1':[1, 0, 1, 1],
'2':[0, 1, 1, 0],
'3':[1, 1, 0, 1],
'0':[0, 1, 0, 1] }
t_df = pd.DataFrame(data)
calculate_value(t_df)
if __name__ == '__main__':
calc()
据我所知,Ipython jupyter笔记本至今不支持多处理。但是它支持multiprocess
模块,这是[multiprocessing]()的一个分支,这就是为什么我在使用jupyter笔记本时使用它的原因。这段代码工作正常,但如果我使用numpy
,drv
模块之外的calculate\mi
函数,它会给出错误,即“名称‘drv’未定义”。是否有任何方法可以在calculate\u mi
函数之外导入此函数并供所有子进程使用?[N.B.我已将它们放置在initpool
方法中,它仍然显示相同的错误]首先,存在一个错误。使用多处理
全局导入numpy
时,我从来没有遇到过问题。如果你说这是多进程的问题,那么根据我给你看的链接切换到多进程,或者停止使用jupyter笔记本。另外,如果你不使用上下文管理器,例如,使用池(…)作为池:
,它会正确终止池,然后在你调用Pool.close()
,您应该真正调用pool.join()
。请参阅:多处理
和多处理
模块之间的区别是什么,或者该模块是否存在任何缺点。你为什么建议使用多进程
而不是多进程
?我不熟悉多进程
,当我去PyPi
存储库查找它时,我从描述中学不到很多东西。。所以我建议什么是标准,我知道什么应该起作用。